一种基于卷积神经网络语音分类的使用密钥的隐私保护方法
音频与语音处理
2023-10-09 v1
摘要
本文提出一种带密钥的隐私保护方法，用于基于卷积神经网络（CNN）的语音分类任务。近来，图像分类研究领域已发展出许多与隐私保护相关的方法。相比之下，语音分类研究领域中甚少有研究考虑这些风险。为推动语音分类隐私保护研究，我们在基于CNN的语音分类系统中提供一种带密钥的加密方法。该加密方法基于具有可逆逆矩阵的随机矩阵。带有正确密钥的加密语音数据可被使用随机矩阵逆矩阵生成的加密核的模型所接受。尽管加密语音数据被强烈扭曲，但当提供正确密钥时，分类任务可被正确执行。此外，本文评估了从加密谱图和波形重建原始信息的难度。在我们的实验中，所提加密方法在自动语音识别（ASR）和自动说话人验证（ASV）任务中执行。结果表明，在基于transformer的ASR和带自监督前端系统的基于x-vector的ASV中，当提供正确密钥时，加密数据可与原始数据完全等同使用。加密数据针对重建攻击的鲁棒性也得以阐明。
引用
@article{arxiv.2310.04035,
title = {A privacy-preserving method using secret key for convolutional neural network-based speech classification},
author = {Shoko Niwa and Sayaka Shiota and Hitoshi Kiya},
journal= {arXiv preprint arXiv:2310.04035},
year = {2023}
}
备注
To appear in the 31st European Signal Processing Conference (EUSIPCO 2023)